[发明专利]基于预设神经网络的事件抽取方法、装置、计算机设备及存储介质

权利要求书

1.一种基于预设神经网络的事件抽取方法，其特征在于，所述预设神经网络包括向量转换层、特征提取层、论元首字符预测输出层和论元尾字符预测输出层，所述方法包括：

采集文本数据生成输入文本；

向量转换层将所述输入文本转换为向量矩阵；

特征提取层对所述向量矩阵进行编码，以提取出所述输入文本的序列特征；

论元首字符预测输出层基于所述序列特征预测所述输入文本中论元的首字符位置和论元类型标识并输出；

论元尾字符预测输出层基于所述序列特征预测所述输入文本中论元的尾字符位置和论元类型标识并输出；

在预设的论元类型标识与事件类型的对应关系表中查找输出的论元类型标识对应的事件类型，并根据输出的论元的首字符位置和尾字符位置，从输入文本中抽取出论元作为所述事件类型的事件要素。

2.根据权利要求1所述的方法，其特征在于，所述向量转换层包括文本数字化层和文本嵌入层；

所述特征提取层对所述向量矩阵进行编码，以提取出所述输入文本的序列特征，包括：

文本数字化层利用bert词表将所述输入文本转化为相应数字ID形式；

文本嵌入层根据所述输入文本中各字符对应的数字ID，获取各字符的向量值得到向量矩阵。

3.根据权利要求1所述的方法，其特征在于，还包括按照如下方式生成所述预设神经网络：

采集各种事件类型的文本样本生成文本样本集合；

针对所述文本样本集合中各样本标注论元类型标识，生成标注后的文本样本集合；

创建神经网络模型；

将所述标注后的文本样本集合输入神经网络模型进行优化训练，生成预设神经网络。

4.根据权利要求3所述的方法，其特征在于，所述预设神经网络中的论元首字符预测输出层利用一个损失函数进行优化，论元尾字符预测输出层利用一个损失函数进行优化。

5.根据权利要求1所述的方法，其特征在于，所述从输入文本中抽取出论元作为所述事件类型的事件要素之后，还包括：

采用数据融合技术将所述事件类型和事件要素融合至预先构建的知识库。

6.根据权利要求1所述的方法，其特征在于，所述采集文本数据生成输入文本之前，还包括：

从数据库中读取文本数据生成第一数据样本；

利用网络爬虫获取网络开源信息生成第二样本数据；

根据所述第一样本数据和第二样本数据构建知识库，生成预先构建的知识库。

7.根据权利要求1所述的方法，其特征在于，所述特征提取层为双向长短时记忆网络。

8.一种基于预设神经网络的事件抽取装置，所述装置包括：

文本获取模块，用于采集文本数据生成输入文本；

文本转换模块，用于向量转换层将输入文本转换为向量矩阵；

特征提取模块，用于特征提取层对所述向量矩阵进行编码，以提取出所述输入文本的序列特征；

第一数据输出模块，用于论元首字符预测输出层基于所述序列特征预测输入文本中论元的首字符位置和论元类型标识并输出；

第二数据输出模块，用于论元尾字符预测输出层基于所述序列特征预测输入文本中论元的尾字符位置和论元类型标识并输出；

第三数据输出模块，用于在预设的论元类型标识与事件类型的对应关系表中查找输出的论元类型标识对应的事件类型，并根据输出的论元的首字符位置和尾字符位置，从输入文本中抽取出论元作为所述事件类型的事件要素。

9.一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机可读指令，所述计算机可读指令被所述处理器执行时，使得所述处理器执行如权利要求1至7中任一项权利要求所述基于预设神经网络的事件抽取方法的步骤。

10.一种存储有计算机可读指令的存储介质，所述计算机可读指令被一个或多个处理器执行时，使得一个或多个处理器执行如权利要求1至7中任一项权利要求所述基于预设神经网络的事件抽取的步骤。